在Spark里做用户去重，你会用什么？在Flink里做实时UV统计，你会用什么？在ETL里做维度关联，你会用什么？答案都是Set。但很多人用了几年Set，对它的...

0.90 的 percolator 先把查询注册到 _percolator 索引，再发文档过去问哪些查询命中。本文按固定标签核对注册与匹配路径、过滤执行哪些查询...

9.2 起这两种索引模式下 text 字段的 norms 默认关闭。官方 details 里有一句很关键：由于不支持从禁用状态启用，用户将无法在这些索引上开启 ...

很多人用了几年Scala，对ListBuffer的认知还停留在"可变版List"。但如果你真的读过它的源码，会发现这是一个设计极其精妙的类——它不是简单的"可变...

Scala的List不是Java的List——它是不可变的链表，是函数式编程的核心数据结构。head/tail递归、模式匹配、::构造，让列表处理从Java的f...

摘要：Spark Web UI 是监控、调试和性能调优的核心入口。本文从架构全景出发，逐一详解 7 大核心 Tab（Jobs/Stages/Storage/Ex...

摘要：你有没有好奇过——为什么 --master spark:// 和 --master yarn 切换如此丝滑？这背后是 Spark 设计中最精妙的抽象层之一...

Array是定长的，ArrayBuffer是动态的。当你需要边遍历边添加、边过滤边收集时，ArrayBuffer就是你的首选。它不是ArrayList的翻版，而...

Scala的Array就是Java数组的封装，但Scala给它装上了集合操作的"超能力"。索引访问、map/filter、与List互转——让数组处理从Java...

Paimon 做了一件别的湖格式不太敢做的事，它把 RocksDB 那套 LSM 树整个搬进了湖里。

【摘要】把日志查询从 Elasticsearch 迁到 Apache Doris，真正的难点不是单条 DSL 怎么翻，而是几十上百条看板、告警规则、排查手册里的...

在智能驾驶、多模态搜索等场景中，数据规模正在快速增长。一条查询往往不只是“找最相似的几个样本”，还需要同时满足车型、时间、设备、区域等业务条件，并进一步完成关联...

摘要：YARN-Client 是生产环境中使用最广泛的 Spark 部署模式。它的独特之处在于——Driver 运行在提交客户端，而 ApplicationMa...

最近不少十亿营收体量的企业老板，都在问同一个问题：AI 这波浪潮，我们这种中小型企业到底该怎么跟上？这个问题我琢磨了很久，今天直白聊聊这件事。

大数据为政府治理变革带来机遇。国家先后出台《促进大数据发展行动纲要》《“十三五” 国家信息化规划》，要求打破信息孤岛，推动跨部门、跨层级数据共享，提升协同治理能...

大数据时代，数据平台仍普遍存在数据标准不一、质量差、模型梳理困难等问题，不少管理驾驶舱等应用沦为摆设。金融业较早意识到数据治理的重要性，而大数据平台数据体量更大...

0.90 早期改分要靠三个查询：custom_boost_factor 乘系数、custom_score 写脚本、custom_filters_score 按过...

9.3 把 SCORE 函数放进了正式构建。它作用于单个全文函数（比如 match），返回那个条件的分数。配合 METADATA _score，可以在一条查询里...